实现数据的颗粒度转换

实现对文本文件personnel_data.txt中的数据进行数据粒度的转换，即将文本文件personnel_data.txt中字段为household_register的数据统一成省份（直辖市），并输出到文本文件personnel_data_new.txt中。

（1）打开Kettle工具，新建转换

使用Kettle工具，创建一个转换generalization，并添加文本文件输入控件、表输入控件、字段选择控件、排序记录控件、记录集连接控件、表输出控件以及Hop跳连接线，具体效果下图所示：

（2）配置文本文件输入控件

双击“文本文件输入”控件，进入“文本文件输入”界面，单击【浏览】按钮，选择要抽取personnel_data.txt文件；单击【增加】按钮，将要抽取的personnel_data.txt文件添加到转换中。

在上图中，单击“内容”选项卡，在分隔符处清除默认分隔符“；”，单击【Insert TAB】按钮，在分隔符处插入一个制表符；取消勾选“头部”复选框。“内容”选项卡的配置具体效果如下图所示：

然后单击“字段”选项卡，根据personnel_data.txt文件的内容添加对应的字段名称，并指定数据类型。“字段”选项卡的配置，如下图所示：

 

单击【确定】按钮，完成“文本文件输入”控件的配置。

（3）配置字段选择控件

双击的“字段选择”控件，进入“选择/改名值”界面，在“选择和修改”选项卡处添加字段名称，具体如下图所示：

单击【确定】按钮，完成“字段选择”控件的配置。

（4）配置排序记录控件

双击“排序记录”控件，进入“排序记录”界面，并在“字段”框中添加字段household_register，对其进行排序，具体如下图所示：

单击【确定】按钮，完成“排序记录”控件的配置。

（5）配置表输入控件

双击的“表输入”控件，进入“表输入”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，具体如下图所示：

在图中的SQL框中编写SQL语句，用于查询city数据表（注：该表需提前创建）中字段city和pid的数据，用于与personnel_data.txt文件中household_register字段进行合并连接，具体如下图所示：

单击【确定】按钮，完成“表输入”控件的配置。

（6）配置排序记录2控件

双击的“排序记录 2”控件，进入“排序记录”界面，在“字段”框中添加字段city，并对其进行排序，具体如下图所示：

单击【确定】按钮，完成“排序记录2”控件的配置。

（7）配置记录集连接控件